基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在处理高维数据过程中,特征选择是一个非常重要的数据降维步骤.低秩表示模型具有揭示数据全局结构信息的能力和一定的鉴别能力.稀疏表示模型能够利用较少的连接关系揭示数据的本质结构信息.在低秩表示模型的基础上引入稀疏约束项,构建一种低秩稀疏表示模型学习数据间的低秩稀疏相似度矩阵;基于该矩阵提出一种低秩稀疏评分机制用于非监督特征选择.在不同数据库上将选择后的特征进行聚类和分类实验,同传统特征选择算法进行比较.实验结果表明了低秩特征选择算法的有效性.
推荐文章
基于非凸低秩稀疏约束的船舶交通流量预测
船舶交通流量
预测
非凸优化
交替方向乘子法
广义迭代阈值算法
基于超图稀疏的低秩属性选择算法用于多回归分析
多回归分析
超图表示
子空间学习
稀疏学习
基于低秩矩阵恢复的DOA稀疏重构方法
波达方向
非均匀噪声
低秩矩阵恢复
二阶统计量
加权l1范数
局部和稀疏保持无监督特征选择法
局部保持投影
稀疏保持投影
高维小样本
无监督
特征选择
聚类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于低秩稀疏评分的非监督特征选择
来源期刊 计算机工程与科学 学科 工学
关键词 低秩表示 稀疏约束项 低秩稀疏评分 特征选择
年,卷(期) 2015,(4) 所属期刊栏目 高性能计算
研究方向 页码范围 649-656
页数 8页 分类号 TP311.1
字数 8745字 语种 中文
DOI 10.3969/j.issn.1007-130X.2015.04.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 梁礼明 江西理工大学电气工程与自动化学院 93 415 9.0 17.0
2 杨国亮 江西理工大学电气工程与自动化学院 74 384 10.0 16.0
3 谢乃俊 江西理工大学电气工程与自动化学院 6 27 4.0 4.0
4 王艳芳 江西理工大学电气工程与自动化学院 3 19 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (8)
节点文献
引证文献  (3)
同被引文献  (7)
二级引证文献  (7)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(5)
  • 引证文献(3)
  • 二级引证文献(2)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
低秩表示
稀疏约束项
低秩稀疏评分
特征选择
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与科学
月刊
1007-130X
43-1258/TP
大16开
湖南省长沙市开福区德雅路109号国防科技大学计算机学院
42-153
1973
chi
出版文献量(篇)
8622
总下载数(次)
11
总被引数(次)
59030
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导